Gemini 3.5 Flash уступила место версии 3.6: до 65% экономии токенов при том же интеллекте

21 июля Google вместо долгожданного флагмана Gemini 3.5 Pro, который переносили уже трижды с момента анонса на конференции I/O в мае, выкатила три модели среднего класса. Об этом сообщила сама компания, а независимые замеры провёл аналитический сервис Artificial Analysis. Параллельно Google объявила, что уже тестирует Gemini 3.5 Pro с партнёрами и запустила обучение следующего поколения Gemini 4.

Какие модели вышли и чем отличаются?

Вышли три модели:

• Gemini 3.6 Flash заменяет предыдущую Gemini 3.5 Flash как основную рабочую модель линейки
• Gemini 3.5 Flash-Lite предназначена для самых простых и массовых запросов, она самая быстрая и дешёвая в серии
• Gemini 3.5 Flash Cyber создана для поиска уязвимостей и доступна только правительствам и доверенным партнёрам

Для тех, кто работает с API (программным интерфейсом, через который приложения общаются с моделью), ключевое изменение произошло именно в Gemini 3.6 Flash.

17% экономии токенов, а не «ещё умнее»

По данным Artificial Analysis, Gemini 3.6 Flash тратит на 17% меньше выходных токенов, чем Gemini 3.5 Flash, при решении тех же задач. Общий индекс интеллекта у обеих моделей одинаковый: 50 баллов.

Модель не поумнела. Она научилась не ходить кругами.

Для разработчика, который платит за каждый токен, разницу проще понять через формулу стоимости задачи. Это произведение трёх переменных: цена за токен, количество токенов на задачу и число попыток до успешного результата. Google снизила и первую переменную (цена за выходные токены упала с 9 до 7,5 доллара за миллион), и вторую.

В тесте DeepSWE (автономное исправление кода) модель потратила 97 тысяч токенов вместо 276 тысяч у предшественницы. Это 65% экономии на одном прогоне. При этом качество не упало, а выросло: результат DeepSWE поднялся с 37% до 49%.

Для агентного кодинга (ИИ-агент, программа, которая сама планирует шаги, запускает инструменты, проверяет результат и повторяет при ошибке) экономия составляет от 65 до 71% по данным Google. В таких сценариях токены раньше сгорали в циклах «правка, тест, провал, снова правка», и сокращение числа шагов бьёт по счёту сильнее, чем скидка на ценнике.

Длинный контекст стал надёжнее, а зрение просело

Окно контекста у Gemini 3.6 Flash составляет 1 048 576 токенов. Это не новость, такой же размер был у Gemini 3.5 Flash. Новость в том, что модель стала находить нужный фрагмент в длинном документе вдвое надёжнее прежней версии. Для тех, кто загружает в модель объёмные русскоязычные тексты, договоры или базы знаний, это практически значимо.

А вот зрение пострадало. Джерри Лю, глава компании LlamaIndex, прогнал модель через бенчмарк (тест производительности) ParseBench и обнаружил: на графиках Gemini 3.6 Flash набирает 31% вместо 45% у предшественницы. Таблицы тоже чуть просели: с 91,1 до 89,5. Общий балл по документам упал с 69,9 до 66,8.

Причина прозаична: когда модель дообучают (дообучение, обучение модели на новых примерах под конкретные задачи) под код и агентные сценарии, ресурс весов конечен. Прирост в одном месте покупается просадкой в другом.

Как Gemini 3.6 Flash выглядит рядом с конкурентами?

На SWE-Bench Pro (тест на исправление реального кода) у Gemini 3.6 Flash результат 58,7%. У Grok 4.5 это 64,7%, у Claude Sonnet 5 от Anthropic 63,2%. На DeepSWE GPT-5.6 Luna от OpenAI набирает 67% против 49% у модели Google. В знаниевых задачах GDPval-AA рейтинг Elo у Gemini 3.6 Flash составляет 1421 против 1607 у Sonnet 5.

Google уверенно лидирует в работе с длинным контекстом и управлении компьютером. В чистом кодинге и научных задачах топовые модели конкурентов впереди.

Что понадобится

• Аккаунт Google и доступ к Google AI Studio (бесплатный тир доступен)
• Или API-ключ Google Gemini для интеграции в свои приложения
• 15-20 минут на первый тест

Пошаговая инструкция

1. Откройте Google AI Studio по адресу aistudio.google.com и войдите через аккаунт Google
2. В выпадающем списке моделей выберите Gemini 3.6 Flash (если нужен самый дешёвый вариант, выберите Gemini 3.5 Flash-Lite)
3. Сформулируйте промпт (промпт, текстовый запрос к модели). Для проверки работы с длинным контекстом загрузите документ через кнопку прикрепления файла
4. Отправьте запрос и оцените результат. Обратите внимание на счётчик токенов в интерфейсе: сравните расход с тем, что давала предыдущая модель на аналогичной задаче
5. Для интеграции в приложение получите API-ключ в разделе настроек и используйте endpoint модели:

model = "gemini-3.6-flash"

1. Если работаете с длинными русскоязычными документами, загружайте их целиком и задавайте точечные вопросы по содержанию: именно на таких задачах модель показывает наибольший прирост

Найди в этом договоре все пункты, касающиеся ответственности сторон за нарушение сроков. Выпиши номер пункта, цитату и краткое резюме каждого условия.

Что это значит для вас?

Авторам Дзена и копирайтерам: Gemini 3.5 Flash-Lite подойдёт для массовых рутинных задач: рерайт, генерация заголовков, форматирование. Gemini 3.6 Flash лучше справится с анализом длинных текстов и подготовкой материалов на основе объёмных источников. Попробуйте загрузить в модель свою базу материалов целиком и задавать вопросы по ней.

Маркетологам: снижение стоимости задачи на 31-71% в агентных сценариях меняет экономику автоматизации. Цепочки «собрал данные, проанализировал, подготовил отчёт» становятся дешевле при каждом прогоне. Пересчитайте юнит-экономику своих ИИ-воронок.

Разработчикам и стартапам в РФ и СНГ: сокращение расходов на токены при аналогичном качестве означает прямую экономию на себестоимости приложений. Длинный контекст в миллион токенов позволяет работать с русскоязычными документами целиком, без нарезки и потери смысла. Из доступных в РФ аналогов по принципу «дёшево и с длинным контекстом» стоит смотреть на YandexGPT и GigaChat, хотя их контекстные окна пока короче.

Три модели вместо одного флагмана, не тот подарок, которого ждали. Но для тех, кто платит за каждый токен в продакшене, Gemini 3.6 Flash уже сейчас снижает счёт на треть, а в агентных сценариях до 71%, и это проверяемая экономия, а не маркетинговое обещание.